大数据为何会冲击传统媒体服务模式

简介:

大家都知道大数据对于媒体的杀伤力是巨大的,这其中包含传统媒体(例如报纸、电视)也包含网络媒体(例如新闻门户)。可是大数据为何能够冲击传统媒体呢?

大数据为何会冲击传统媒体服务模式

用学术的口吻,可以这样描述:“媒体渠道碎片化,带来对指标的要求;大数据模式清晰的结果导向带来对广告客户的巨大吸引力。”

通俗地说,就是:做媒体的人多了于是客户就要去判断哪一家的效果最好。也就是说做媒体的人越来越多,客户看着越来越晕,最后忍不住了要问“你们究竟谁家的效果好?有什么样的评估标准?”随着数据经营理念的提升,大家发现可以用精准的数据数量来评估效果,而不是几年前那种关注度数据。 假如你是卖车的,第一家 媒体跟你说有1万个人从他的网站看过你的车,第二家媒体说他为你提供10个购买意向客户,两个数据都是真的,你选谁?

最早一批想要用效果去评估广告费的人,他们告诉客户“我以后不再收广告费,我按照大家的成交去结算”,结果他们都死了。然后大家发现,可以通过明确的机会去向客户收钱,于是发明了现在的所谓大数据。然而这种能够看似轻描淡写向我们走来的新模式,在我们对他有了深刻了解,在我们学会了它的使用方法之后,我们发现:大数据简洁的运营方式带来运营技术的革命!

1、大数据模式是不依赖编辑能力的内容革命

关于媒体的内容,过去一直有句话:内容为王。因此按照过去那个媒体套路,所谓媒体的任务就是:做内容,做内容,做内容。

如果深入分析做内容的根本目的,无非两个:服务用户、服务客户。从这两点出发就很容易理解大数据的作用了!

首先来看大数据对于“服务用户”环节的改变。我们来看“离经叛道”的例子——今日头条,今日头条通过用户访问习惯分析,向用户推荐TA所喜好的内容,从而避免了堆砌内容带来的信息过剩。多家传统媒体的人慕名去看今日头条经验,今日头条的人带他们去看机房,而不是去看编辑,说今日头条做内容用的是机器而不是人。于是老媒体人摇头,说这是瞎搞。于是今日头条估值一出来满世界的媒体开始围攻今日头条。可是,资深媒体经营人员私下悄悄说,代理今日头条很赚钱,流量也很大。不服输的媒体人仍旧在努力,他们雇佣了更高素质的编辑去人工筛选信息。这样新的问题产生了——你如何保证人的素质?如何保证内容判断的客观性?如何保证编辑的眼光与用户一致?今日头条给出的答案不会是终极答案,但是这是趋势!

再来看“服务客户”的环节。大数据之前的媒体服务,从根本上说非常像红白喜事的吹鼓手,吹吹打打做样子。这样固然可以吸引关注,可是难以吸引精准客户,更不用谈改善成交结果。大数据让呼叫中心焕发青春,让客服而不是编辑的作用凸显。对客户而言,他更喜欢一个牛皮哄哄的记者,还是带着他的客户(媒体的精准意向用户)而来的服务人员呢?对媒体经营者而言,培养一位懂策划的记者编辑难还是按照标准为客户服务的客服难呢?答案自选。

就算你不再说,内容为王的定理仍然存在,所改变的只有一点:过去的内容为王其实是“做内容的人为王”,大数据让媒体回归本源——内容为王。

2、大数据模式是不依赖销售精英的销售革命

媒体经营最难的环节是什么?——是销售!

第一代媒体销售是伴随着媒体的光环、影响力和纯广告模式而来的。他们的销售方式本质上是关系销售。

第二代媒体销售(尤其是大行业垂直网站的专业销售人员)是伴随着媒体竞争而来的,他们除了关系销售,开始在商业规则、营销策划上努力,这也带来了第二代媒体销售存在着培养难度大的巨大瓶颈。

大数据让销售回归产品销售水平,卖大数据服务跟卖团购服务差不多,简单直接。因为跟客户说任何好处也不如跟客户说你有多少精准客户资源、能保证他的销售达到什么结果。

所以,大数据让媒体运营摆脱了销售员依赖症,使媒体服务的规模不受销售团队的限制。

3、大数据模式是可预测盈利周期的经营革命

曾经有一条亘古不变的规则横在媒体经营者面前——广告滞后性原理。我们作为专业的互联网媒体盈利模式服务机构,在过去的5年里一直极其痛恨该原理,直到2014年大数据模式变得清晰。

所谓广告滞后性就是媒体服务好起来的时候,收钱会晚一些;当媒体服务质量下降的时候,收入下滑也有一个过程。这就让新办媒体、媒体新开的频道一直存在盈亏平衡周期的问题。一旦我们开出一个频道,就不得不面对着多久可以开始盈利的烦恼,运营频道的团队每天也都在问自己模式是否靠谱之类的问题。可是大数据让效果可以测算与预估,让客户可以直接计算获取销售机会的精确成本,于是预充值、精确计算效果等方式让媒体的运营者可以摆脱广告滞后性的束缚。

作为媒体大数据运营的鼓吹者,我每天都面临一个具体问题,就是:如何起步?——我的答案是:不是你没数据,而是你没有用数据! 所谓大数据其实是一种思维方式,大数据绝不是如何搜集分析数据,而是系统的数据搜集、挖掘、使用、分析过程。大数据的关键不是如何搜集与分析,而是你如何使用!

最后补充一点:大数据与媒体服务并不矛盾,反而有促进作用。经营就像用兵,讲究虚虚实实,在媒体的昨天我们难以让任何一个重视效果估算的客户清晰地认知服务效果,而大数据让我们可以至少让一部分客户对结果满意。这只会提升媒体服务的价值,绝不会贬低媒体服务的价值。依靠影响力混饭吃的黄金时代,正在快速从我们指缝中溜走,抓也抓不住!


本文作者:佚名

来源:51CTO

相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
2月前
|
存储 数据可视化 数据管理
基于阿里云服务的数据平台架构实践
本文主要介绍基于阿里云大数据组件服务,对企业进行大数据平台建设的架构实践。
703 0
|
4月前
|
SQL 存储 大数据
某互联网大厂亿级大数据服务平台的建设和实践
某互联网大厂亿级大数据服务平台的建设和实践
67 0
|
18天前
|
分布式计算 运维 数据挖掘
MaxCompute是一个强大的云数据仓库服务
【4月更文挑战第1天】MaxCompute是一个强大的云数据仓库服务
21 1
|
3月前
|
数据可视化 大数据 数据挖掘
瓴羊荣获2023虎啸奖“年度十大AI&大数据服务公司”“数智营销案例铜奖”双重大奖
瓴羊荣获2023虎啸奖“年度十大AI&大数据服务公司”“数智营销案例铜奖”双重大奖
|
4月前
|
SQL 存储 大数据
从0到1介绍一下开源大数据服务平台dataService
从0到1介绍一下开源大数据服务平台dataService
105 1
|
4月前
|
Prometheus 数据可视化 Cloud Native
助力工业物联网,工业大数据之服务域:可视化工具Grafana介绍【三十八】
助力工业物联网,工业大数据之服务域:可视化工具Grafana介绍【三十八】
102 1
|
4月前
|
存储 SQL Oracle
助力工业物联网,工业大数据之服务域:项目总结【三十九】
助力工业物联网,工业大数据之服务域:项目总结【三十九】
43 1
|
4月前
|
SQL Prometheus 监控
助力工业物联网,工业大数据之服务域:node_exporter插件【三十七】
助力工业物联网,工业大数据之服务域:node_exporter插件【三十七】
35 1
|
4月前
|
存储 Prometheus Cloud Native
助力工业物联网,工业大数据之服务域:Prometheus的介绍【三十六】
助力工业物联网,工业大数据之服务域:Prometheus的介绍【三十六】
50 1
|
4月前
|
Prometheus 监控 Cloud Native
助力工业物联网,工业大数据之服务域:服务器性能监控Prometheus及项目总结【三十五】
助力工业物联网,工业大数据之服务域:服务器性能监控Prometheus及项目总结【三十五】
33 1